导读:本文包含了模糊马尔科夫链论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:马尔,科夫,模糊,模型,算法,特征值,图像。
模糊马尔科夫链论文文献综述
周建民,张臣臣,张龙,郭慧娟[1](2019)在《基于融合模糊C均值与隐马尔科夫模型的滚动轴承的退化状态识别》一文中研究指出滚动轴承在长期的工作过程中其性能会出现不同程度的退化,如果能对滚动轴承的退化状态进行识别就可以做好维护措施。用自回归模型(Autoregressive model, AR)对滚动轴承全寿命周期的振动信号提取其系数及残差,用正常样本和失效样本特征建立模糊C均值模型(Fuzzy C Mean, FCM),用轴承正常样本的特征数据建立隐马尔科夫(Hidden Markov model, HMM)模型,将轴承的测试样本信号输入建立的FCM和HMM模型得到的两个退化指标,再将其作为特征矩阵输入到FCM模型,得到融合方法的性能退化曲线,结果表明该方法集中了空间统计距离模型和概率统计模型两者的优势,最后用IEEE PHM2012实验数据进行验证,表明所述方法与滚动轴承性能退化趋势保持一致并且可以提早发现早期故障。(本文来源于《机械设计与研究》期刊2019年03期)
董山玲[2](2019)在《基于隐马尔科夫模型的模糊控制与滤波》一文中研究指出在研究马尔科夫跳变系统的控制和滤波问题时,外部噪声、数据丢失、执行器故障等异常情况往往造成原系统的跳变模态不能及时且准确地得到。为了解决这个问题,学者使用隐马尔科夫模型来探测原系统的跳变模态,并通过观测到的模态来设计相应的控制器和滤波器。另一方面,Takagi-Sugeno(T-S)模糊模型在处理系统非线性方面发挥了重要作用,可以把复杂的非线性系统转化成易于处理的多个局部线性系统。目前,在考虑原系统的跳变模态不易获得的情况下,针对T-S模糊马尔科夫跳变系统的控制器和滤波器的研究很少,还有许多问题需要解决。本文主要针对T-S模糊马尔科夫跳变系统,研究如何使用隐马尔科夫模型来设计控制器和滤波器并满足系统的性能指标。主要研究内容如下:(1)研究了针对T-S模糊马尔科夫跳变系统的异步耗散控制问题。通过使用隐马尔科夫模型,设计出了异步模糊控制器。通过采用李雅普诺夫函数和矩阵不等式变化方法,提出了求解控制器增益的算法,并且能保证闭环系统的随机稳定性和耗散性能。研究不仅包括了连续系统,也包含了离散系统。(2)研究了针对T-S模糊马尔科夫跳变系统的异步保成本控制问题。我们使用隐马尔科夫模型建立了异步模糊控制器。由于通信的限制,我们引入随机量化器来降低传输的数据量。提出的求解控制器增益的算法不仅能保证闭环系统的随机稳定性,还能确保系统的保成本性能。(3)研究了针对T-S模糊切换系统的异步广义耗散静态输出控制问题。针对测量的输出信号存在间歇性特点,我们采用伯努利过程来建立数学随机模型。通过隐马尔科夫模型,设计了异步静态输出反馈控制方法,从而使闭环系统满足随机稳定性并且具有广义耗散性能。我们不仅研究了T-S模糊马尔科夫跳变系统,还研究了带有逗留概率的T-S模糊切换系统。(4)研究了针对T-S模糊马尔科夫跳变系统的异步耗散滤波问题。我们通过隐马尔科夫模型设计出异步模糊滤波器。采用模态依赖的李雅普诺夫函数分析了滤波误差系统的随机稳定性和耗散性能,并提出两种求滤波器增益的方法。(5)研究了针对T-S模糊马尔科夫跳变系统的异步耗散故障诊断问题。基于隐马尔科夫模型,设计了异步耗散故障诊断滤波器。通过使用李雅普诺夫函数,提出了两种求故障诊断滤波器增益的方法,并确保故障诊断系统的随机稳定性及耗散性能。通过例子仿真,我们验证了方法的有效性和正确性。(本文来源于《浙江大学》期刊2019-06-01)
宋帆,杨晓华,武翡翡,刘童[3](2018)在《基于聚类分析的模糊马尔科夫链在降雨量预测中的应用》一文中研究指出针对降雨量序列的复杂性和随机性,基于马尔科夫链原理,采用聚类分析对降雨量序列进行分类,引入隶属度对样本状态向量进行测算。建立了聚类-模糊马尔科夫降雨量预测模型,并对结果进行了改进。采用全国各地共16个站点的2011-2013年48个降雨量数据作为待测样本进行计算,结果表明:48个预测样本的平均绝对误差为12.4%,误差低于10%的年份占56.25%。精度较高,将模型用于降雨量的预测是合理的,可以为水资源合理规划利用提供依据。(本文来源于《节水灌溉》期刊2018年10期)
武艳蒙,邱春荣,吕晓波[4](2018)在《基于模糊信息粒化与马尔科夫修正的瓦斯浓度预测》一文中研究指出基于模糊信息粒化对原始数据进行处理,利用支持向量机(SVM)以及差分进化算法(DE)建立预测模型,根据马尔科夫链进行残差修正,预测瓦斯浓度变化趋势。通过实验表明,该方法相较于直接对粒化数据进行SVM预测有了较大的效果提升,此外,对原始数据进行了FIG处理,实现了降维,算法运行时间得到减少,算法效率得到提升。(本文来源于《煤炭技术》期刊2018年05期)
王晓敏[5](2018)在《基于模糊加权马尔科夫模型的晋祠泉域降水预测》一文中研究指出由于降水的不确定性和随机性,其预测精度往往难以提高。鉴于此对常用的降水量预测模型马尔科夫链进行了加权和模糊等数学方法的改进,并以晋祠泉域1956—2013年的降水资料为基础,进行了模型的计算、检验和预测。其中1956—2011年的降水资料用于模型计算,2012和2013年的资料用于模型检验,对2014—2020年的降水量进行了预测。结果显示:2012年的降水量预测的相对误差为8.38%,2013年的相对误差为0.65%,远小于水文预报中误差要求的20%。2014—2020年的预测降水量在451.66~480.81 mm之间,降水量变化趋势较平稳,降水年份属于平水年。(本文来源于《山西水利》期刊2018年04期)
侯丽圆[6](2018)在《基于马尔科夫随机场和模糊集理论的场景分类算法研究》一文中研究指出随着互联网技术的迅猛发展和普及,网络图像数据爆炸性增长。如何对每天海量增长的数字照片和图片进行归类整理已成为研究的热点。场景分类技术是解决此类问题的重要途径。在分类算法中,视觉词包模型方法是建立底层视觉特征到高层场景语义之间映射关系的枢纽。但是词包模型有两个很大的局限性:一方面,视觉单词缺乏明确的含义,另一方面它们通常是多义的。针对这个问题,本文将基于优化视觉单词的场景分类算法作为主要研究内容,分别研究了特征编码和提取上下文信息的算法。又考虑到视觉单词对于特定的图像类别能提供更多的信息这一特点,因此给这些词赋予更高的权重可以增强视觉词包在图像分析中的表现。根据这种想法本文给出了支持向量机结合视觉单词权重的分类器设计算法。本文主要工作如下:1)给出了基于模糊集理论的空间金字塔视觉词包模型的算法该算法以传统的视觉词包模型为基础,改进了 FCM算法隶属度矩阵。根据图像块与聚类中心的距离设定分配方式,既避免了关键点距离单词太远造成的词义模糊,又保证了距离相近时单词提供的准确信息。在公共数据集上的实验证明本文算法具有较高的精确度和良好的分类性能。2)给出了一种基于自适应先验MRF的视觉单词生成算法该算法基于Markov随机场理论,将图像块在特征域的共生性与空间域的上下文语义关系有机地联系起来。首先利用潜在的狄利克里分布模型推出视觉单词之间的语义共生信息,然后借鉴最大流最小割算法中的边界项权值的计算方法计算出控制邻域间作用强度的参数。这种方法在一定程度上能够减缓视觉单词出现歧义的弊端,获得更加准确的图像块视觉单词。3)给出了视觉单词权重结合支持向量机分类器设计的算法该算法首先通过多项式核函数分类器和径向基核函数分类器获得分类结果。基于这两种分类器产生的有差异预测标签,引入了一种新颖的单词加权方法,应用加权欧氏距离函数来计算待分类图像和训练集图像的相似性。经实验表明,本算法具有较高的分类准确性,具有一定的研究价值。为了验证改进的视觉词包应用于场景分类算法的分类性能,本文采用四个数据集进行验证,数据集范围从通用自然场景图像(FeiFeiLi-15数据集)到人类行为图像(HB-6场景数据集),以及简单的对象类(MSRC-14数据集)和复杂运动图像(UIUC-8数据集),在UIUC-8数据集上本文算法的最终准确率为86%,在FeiFeiLi-15类数据集本文算法的最终准确率为83%,在HB-6数据集上本文算法的最终准确率为93%,在MSRC-14类数据集本文算法的最终准确率为91%。其中,和当前最高分类性能相比,本文算法在HB-6和MSRC14两个数据集上的分类效果均有所超越。实验结果表明本文提出的算法是一种有效的场景分类算法。(本文来源于《大连海事大学》期刊2018-01-01)
吴成茂,上官若愚[7](2017)在《嵌入隐马尔科夫随机场的中智模糊聚类算法》一文中研究指出针对中智模糊C均值聚类算法抗噪能力弱的问题,提出嵌入隐马尔科夫随机场的中智模糊聚类分割算法.利用隐马尔科夫随机场描述图像任意像素分类的先验信息,将其与样本分类隶属度之间的信息散度作为正则项,嵌入现有中智模糊聚类目标函数;同时,将欧氏空间样本通过核函数映射至高维空间,采用最优化方法获得隐马尔科夫随机场的核空间中智模糊聚类分割的迭代表达式.对标准的、现场采集的以及人工合成的3类灰度图像添加一定强度的高斯和椒盐噪声进行分割测试,实验结果表明,这种分割算法相比基于隐马尔科夫随机场的模糊C均值聚类等分割算法的抗噪性能,有了显着提高.(本文来源于《西安电子科技大学学报》期刊2017年06期)
梁恺彬[8](2017)在《基于高斯混合模型马尔科夫随机场与模糊聚类的人脑MRI分割方法研究》一文中研究指出在临床医疗诊断,尤其是对人身体内部结构的诊断当中,常常会使用到不同的医疗影像作为重要的诊断手段,而医疗影像分割技术则是对这些医疗影像进行分析和应用的重点基本环节。对于医疗影像来说,那些不相似的图像部分通常被用来对不同的结构,组织和病变部分来用作分析。对于专业的医疗工作者来说,他们关注的往往只是图片中的患病区域,而这些患病区域就是我们需要分割的目标区域。而对于真实人脑图像的分割方法来说,在目前医疗设备基础之上的真实人脑图像分割方法已经被提出了很多。但是直到现在任然没有一种完善的分割方法能够应用于人脑图像的各种组织从而进行准确而有效的分割,现实中能作为临床使用的自动分割手段依然较少,大多数使用的仍然是以专业人员的手动分割手段为主。然而,手动分割是一项耗时和困难的任务,它分割的准确与否主要取决于医生的专业知识以及医疗经验,使得分割结果往往千差万别,因此自动的用于临床医疗的人脑图像分割方法的探讨仍然是作为图像处理领域中研究的热点。真实的人脑MRI对人脑疾病的诊断有不可替代的作用。如脑瘤,脑梗塞,帕金森综合症等脑部疾病患者的人脑医疗影像的分割结果,能够帮助专业医护工作者进行快速而准确的诊断。但是MRI的成像原理会使得人脑医疗影像表现出一定的模糊性,使得脑灰质、脑白质和脑脊液等各组织之间边界出现过渡现象从而产生边界上的不明确与不连续。这些由于人脑MRI的模糊特性产生的边界不确定性与不连续性都会使得人脑MRI分割的困难大大增加。同时在人脑医疗影像的成像过程中,由于设备的影像采集,影像传输,影像压缩与解码,热、电噪音,部分容积效应以及磁场的非均匀性等多种因素共同产生的影响,使得人脑MRI为模糊图像并且存在着许多的加性噪声,而在噪声的影响下,要实现人脑MRI的准确分割,其难度将会大大提高。基于上述的原因,本文希望通过对不同的医疗影像分割手段的对比研究,尤其是对人脑MRI分割手段的研究,从而得到一个鲁棒性,抗噪性和泛化性优良的人脑MRI自动化分割方法。本文的主要内容如下:(1)由于马尔科夫随机场拥有优良的空间相关性,能够很好的对人脑MRI纹理和边缘进行有效划分,同时因为人脑MRI的灰度分布呈现高斯分布特征,本文运用高斯函数建立马尔科夫随机场模型能够很好的符合人脑MRI的分布特点;同时针对马尔科夫随机场对噪声较为敏感的特点,本文提出一种图像滤波方法,并与马尔科夫随机场模型相结合使用,克服了马尔科夫随机场模型对噪声敏感的缺点;而对于马尔科夫随机场模型的求解,本文主要运用模拟退火算法来进行,但是传统的模拟退火算法求解马尔科夫随机场模型的计算成本较高,针对这点,本文运用基于稳定点与不稳定点模拟退火算法对马尔科夫随机场模型进行求解,这一改变有效降低计算成本,提高了算法的时效性。(2)传统的聚类分割方法通常是基于图像灰度值的相似程度进行像素划分,这样对含噪声或边缘模糊的人脑MRI进行分割效果并不理想,基于这种考虑,一种融入了平均隶属度的改进FCM算法在本文中被提出,该算法能有效降低噪声的影响;同时将改进的FCM算法作为图像的初始分割算法,其良好的抗噪性可以生成优良的初始参数,有效改进分割的效果。(3)由于传统的高斯混合模型的抗噪性和鲁棒性较差,运用于人脑MRI的分割中往往并不理想,针对这一缺点,一种运用隐高斯混合模型来进行分割的人脑MRI分割方法在本文中将被提出。传统的高斯混合模型由于忽略了空间信息和未考虑分割结果的分布情况导致模型不完整。针对这些缺点,本文把分割结果的假设概率密度函数作为隐含数据引入到高斯混合模型,建立了非线性加权的隐高斯混合模型;同时引入了含空间信息与平滑系数的高斯权重置指数;运用EM算法与牛顿迭代法对类均值,类方差以及平滑系数进行求解,最后根据最大后验概率准则得到人脑MRI的最终分割结果。(本文来源于《昆明理工大学》期刊2017-04-01)
标本[9](2017)在《基于马尔科夫随机场、模糊理论、D-S理论的医学图像融合分割方法及研究》一文中研究指出医学图像分割在临床医学的研究和实际应用中具有重要的作用。借助于医疗图像分割,使得临床医生对疾病部位能够更直接、更清楚、更便捷地进行诊疗。由于医疗图像受到噪声污染、算法、设备、显示技术等因素的影响,使得医疗影像具有模糊性等。为了解决这些医疗影像处理中的图像分割精度、分割效率等问题,采用MRF理论、GRF理论、知识、模糊理论、D-S理论等多种融合算法进行叁维图像分割,实现医疗图像分割的最佳效果。医疗图像分割是对图像的提取、分割、复原、重构、融合、识别等的过程。综合利用多次成像或多种成像设备的图形信息,补偿数据丢失、局部数据不精确以及不明确造成的局限性,使用MRF模型使图像的分割更精确。分析在脑部NMRI图片等分割中的具体应用效果。采用模糊聚类分割算法,使用灰度图信息和加入空间图像信息,无手动设置参数,实现了 NDFCM法比FCM法更好的图像分割效果,具有更强的抗噪性能和极高的医疗价值。利用最新FCM进行分类的MRF复原来获取更高精度的脑核组织图片,再用Markov和模糊聚类分别进行脑部图像分割并把这个作为D-S证据理论基本概率统计的条件,最后用D-S理论对脑部组织融合与分割,提高了医疗图形分割速度和质量,实现对脑部组织进行定性定量地分析研究。采用最新的图像模糊C均值(FCM)法,对医疗图形进行更精确分割。创新了高效的二维的间距程度测量技术,用相应的二维的直方图来定义邻域相关性。给出聚类中心v同一时间在像素值和邻域像素值二维的坐标上刷新的观点,实现了用邻域空间图像信息的二维FCM分割算法。采用D-S理论在融合两个或多个图像信息时,利用现有的的多种先验摸型进行融合,解决数据丢失、部分数据不精确、模糊或不明确因素造成的缺点。根据图像模糊聚类C-均值(FCM)理论和MRF理论,由条件概率服从高斯信号分布及先验概率,设置概率值M,采用D-S理论进行多种数据融合,利用D-S决策准则进行决策划分,提高了图像的分割精确。医疗图像分割方法主要以智能化、高精度、复杂度、抗噪能力、高速度、鲁棒能力、自适应能力等多个方面作为研究对象。传统的分割技术与最新的先进分割技术相融合是未来医疗图像分割技术的发展趋势。(本文来源于《昆明理工大学》期刊2017-04-01)
张笑青,蒋锐[10](2016)在《基于马尔科夫预测的课程教学模糊综合质量评价》一文中研究指出通过调查问卷,以自我评价、学生评价、同事评价等多方位评价角度,收集教师各教学项目指标的评价数据,并加以标准化统一处理,通过建立马尔科夫链模型,对教师各教学评价指标预测,运用熵值法对教师进行教学评估。客观公正地反映教师各教学指标状况,使教师获取及时获取学生的对教学的信息反馈,便于了解自身状况,合理反思和调整自身教学态度、教学方法等,促进教师教育教学水平的提高。(本文来源于《电脑知识与技术》期刊2016年26期)
模糊马尔科夫链论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
在研究马尔科夫跳变系统的控制和滤波问题时,外部噪声、数据丢失、执行器故障等异常情况往往造成原系统的跳变模态不能及时且准确地得到。为了解决这个问题,学者使用隐马尔科夫模型来探测原系统的跳变模态,并通过观测到的模态来设计相应的控制器和滤波器。另一方面,Takagi-Sugeno(T-S)模糊模型在处理系统非线性方面发挥了重要作用,可以把复杂的非线性系统转化成易于处理的多个局部线性系统。目前,在考虑原系统的跳变模态不易获得的情况下,针对T-S模糊马尔科夫跳变系统的控制器和滤波器的研究很少,还有许多问题需要解决。本文主要针对T-S模糊马尔科夫跳变系统,研究如何使用隐马尔科夫模型来设计控制器和滤波器并满足系统的性能指标。主要研究内容如下:(1)研究了针对T-S模糊马尔科夫跳变系统的异步耗散控制问题。通过使用隐马尔科夫模型,设计出了异步模糊控制器。通过采用李雅普诺夫函数和矩阵不等式变化方法,提出了求解控制器增益的算法,并且能保证闭环系统的随机稳定性和耗散性能。研究不仅包括了连续系统,也包含了离散系统。(2)研究了针对T-S模糊马尔科夫跳变系统的异步保成本控制问题。我们使用隐马尔科夫模型建立了异步模糊控制器。由于通信的限制,我们引入随机量化器来降低传输的数据量。提出的求解控制器增益的算法不仅能保证闭环系统的随机稳定性,还能确保系统的保成本性能。(3)研究了针对T-S模糊切换系统的异步广义耗散静态输出控制问题。针对测量的输出信号存在间歇性特点,我们采用伯努利过程来建立数学随机模型。通过隐马尔科夫模型,设计了异步静态输出反馈控制方法,从而使闭环系统满足随机稳定性并且具有广义耗散性能。我们不仅研究了T-S模糊马尔科夫跳变系统,还研究了带有逗留概率的T-S模糊切换系统。(4)研究了针对T-S模糊马尔科夫跳变系统的异步耗散滤波问题。我们通过隐马尔科夫模型设计出异步模糊滤波器。采用模态依赖的李雅普诺夫函数分析了滤波误差系统的随机稳定性和耗散性能,并提出两种求滤波器增益的方法。(5)研究了针对T-S模糊马尔科夫跳变系统的异步耗散故障诊断问题。基于隐马尔科夫模型,设计了异步耗散故障诊断滤波器。通过使用李雅普诺夫函数,提出了两种求故障诊断滤波器增益的方法,并确保故障诊断系统的随机稳定性及耗散性能。通过例子仿真,我们验证了方法的有效性和正确性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊马尔科夫链论文参考文献
[1].周建民,张臣臣,张龙,郭慧娟.基于融合模糊C均值与隐马尔科夫模型的滚动轴承的退化状态识别[J].机械设计与研究.2019
[2].董山玲.基于隐马尔科夫模型的模糊控制与滤波[D].浙江大学.2019
[3].宋帆,杨晓华,武翡翡,刘童.基于聚类分析的模糊马尔科夫链在降雨量预测中的应用[J].节水灌溉.2018
[4].武艳蒙,邱春荣,吕晓波.基于模糊信息粒化与马尔科夫修正的瓦斯浓度预测[J].煤炭技术.2018
[5].王晓敏.基于模糊加权马尔科夫模型的晋祠泉域降水预测[J].山西水利.2018
[6].侯丽圆.基于马尔科夫随机场和模糊集理论的场景分类算法研究[D].大连海事大学.2018
[7].吴成茂,上官若愚.嵌入隐马尔科夫随机场的中智模糊聚类算法[J].西安电子科技大学学报.2017
[8].梁恺彬.基于高斯混合模型马尔科夫随机场与模糊聚类的人脑MRI分割方法研究[D].昆明理工大学.2017
[9].标本.基于马尔科夫随机场、模糊理论、D-S理论的医学图像融合分割方法及研究[D].昆明理工大学.2017
[10].张笑青,蒋锐.基于马尔科夫预测的课程教学模糊综合质量评价[J].电脑知识与技术.2016